Please use this identifier to cite or link to this item:
http://hdl.handle.net/1942/41268
Title: | AI in forensics: object recognition | Authors: | Teugels, Rick | Advisors: | ROVELO RUIZ, Gustavo Alberto MICHIELS, Nick |
Issue Date: | 2023 | Publisher: | tUL | Abstract: | In een tijd van toenemende visuele gegevens, zoals beveiligingscamera-opnames, smartphone-foto's en groeiende digitale fotodatabases, staan wetshandhavers en onderzoekers voor een enorme uitdaging. Ze hebben geavanceerde beeldherkenningsapplicaties nodig om snel misdaden op te lossen, gestolen goederen te traceren en criminele locaties te identificeren. Deze masterproef richt zich op het gebruik van deep learning om kleine gestolen objecten en relevante gebouwen te detecteren in afbeeldingen van in beslag genomen GSM's. Een secundair doel is het lokaliseren van deze gebouwen op basis van GPS-coördinaten. De aanpak omvat gefinetunede diepe convolutionele neurale netwerken (CNNs) en pooling-methoden uit het domein van instance retrieval. Een ontwikkelde applicatie stelt gebruikers in staat om specifieke gebieden te selecteren op basis van GPS-coördinaten en automatisch datasets te genereren met afbeeldingen via de Google Street View API. De resultaten tonen aan dat relevante afbeeldingen met succes worden gevonden wanneer het onderwerp duidelijk en gedetailleerd zichtbaar is. Bij gebouwen werkt dit het beste wanneer het hele gebouw zichtbaar is. Deze aanpak biedt een krachtige oplossing voor het verwerken van visuele gegevens en het ondersteunen van wetshandhaving en onderzoek bij het oplossen van misdaden en het lokaliseren van objecten en gebouwen op basis van afbeeldingen en GPS-coördinaten. | Notes: | master in de informatica | Document URI: | http://hdl.handle.net/1942/41268 | Category: | T2 | Type: | Theses and Dissertations |
Appears in Collections: | Master theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
c929da5f-e174-4eaa-9fad-dc43d9abee79.pdf | 90.91 MB | Adobe PDF | View/Open |
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.